opencv学习-滤波篇（1）-均值滤波和高斯滤波

一、均值滤波

1.1数学原理：

卷积核所有的系数都是1。

1.2 API-blur

函数原型的参数如下：

blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));

例如：blur(src, dst, Size(3, 3), Point(-1, -1));

参数含义如下：

（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。

（4）Point(-1, -1)表示锚点（即被平滑的那个点），默认值Point(-1,-1)，表示锚点即卷积核的中心。

1.3 全部代码

#include
#include

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/lena.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("原图", src);

	//均值滤波
	blur(src, dst, Size(3, 3));//Size(3, 3)指的是默认元素全是1的3X3矩阵，Point(-1, -1)可以不写，默认就是.
	imshow("均值滤波后", dst);

	waitKey(0);
	return 0;
}
}

1.4效果展示

二、高斯滤波

高斯是一个正态分布的曲线
特点是会保留原有图像中像素的

2.1 数学原理

A：归一化系数

2.2 API-GaussianBlur

GaussianBlur是高斯模糊的函数原型中，其参数如下：

GaussianBlur(Mat src, Mat dst, KSize( ), sigmax, sigmay);

例如：GaussianBlur(src, dst, Size(3, 3), 0, 0);
参数含义如下：

（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示窗口（卷积核）3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度，
h为像素高度)。 Size（x, y）, 其中x, y 必须是正数而且是奇数

（4）0，表示高斯核函数在X方向的的标准偏差为0。

（5）0，表示高斯核函数在Y方向的的标准偏差为0。

2.3 全部代码

#include
#include

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/gaoyy.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//高斯滤波
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	imshow("高斯滤波后", dst);

	waitKey(0);
	return 0;
}

2.4效果展示